郑纬民院士：AI优化超级电脑性能，开启计算新纪元

郑纬民院士：AI优化超级电脑性能，开启计算新纪元

引用

小熊财经itbear

等

9

来源

1.

http://m.itbear.com.cn/html/2025-01/684469.html

2.

https://blog.csdn.net/weixin_45585364/article/details/136408725

3.

https://www.163.com/dy/article/J77NJ5O1055619JH.html

4.

https://www.sohu.com/a/754933494_121118710

5.

https://www.ydma.com/article-46703-1.html

6.

https://www.zgswcn.com/news.html?aid=243408

7.

https://k.sina.cn/article_1642720480_61e9ece0020019xya.html?from=tech

8.

https://www.hpedl.com/article/494.html

9.

https://blogs.nvidia.cn/blog/accelerated-ai-energy-efficiency/

在2024年高性能计算与人工智能协同创新国际论坛（HACI）上，中国工程院院士、清华大学教授郑纬民强调，在“AI for Science”理念的引领下，高性能计算（HPC）与人工智能（AI）的深度融合已成为推动科学研究突破的关键力量。他指出，AI技术不仅能提升超级计算机的计算效率，还能优化其资源使用，为科学研究带来新的机遇。

近年来，超级计算机的发展呈现出前所未有的速度。以智能驾驶领域为例，地平线公司最新推出的征程6系列芯片，算力范围覆盖10TOPS到560TOPS，充分展示了高性能计算在特定应用场景下的巨大潜力。然而，随着计算需求的不断增长，传统的超级计算机面临着前所未有的挑战。如何在有限的资源下实现更高的计算效率，成为研究人员亟待解决的问题。

AI技术的引入为超级计算机的性能优化开辟了新的路径。具体来说，AI优化主要从以下几个方面展开：

1. 硬件架构与软件工具的深度融合：深入了解HPC系统的硬件架构是性能优化的基础。通过性能分析工具，研究人员能够精准定位系统瓶颈，为后续优化提供依据。

2. AI模型的针对性优化：采用低精度数值计算、并行化计算和内存优化等技术，可以显著提高AI模型的性能。针对特定应用场景，还可以通过量化深度学习、模型剪枝和轻量级网络设计等方法进一步优化模型结构。

3. 数据管理与I/O性能优化：AI模型通常需要处理海量数据，因此高效的数据管理和I/O性能至关重要。通过合理设计数据流程和优化I/O性能，可以大幅提升AI模型的训练和推理效率。

4. 并行编程与算法优化：充分利用HPC系统的并行特性，采用高性能的并行编程模型（如MPI和OpenMP），结合优化的算法实现，能够最大限度地发挥HPC系统的计算能力。

郑纬民院士指出，目前支持大模型训练的算力系统主要有三种：基于英伟达GPU的系统、基于国产AI芯片的系统，以及基于超级计算机的系统。这三种系统各有优劣：

• 英伟达GPU系统具有出色的硬件性能和完善的编程生态，但价格高昂且供应紧张。
• 国产AI芯片系统虽然取得了显著进展，但仍面临生态系统不完善的问题。要改变这一局面，需要在编程框架、并行加速、通信库等10个关键软件领域持续发力。
• 超级计算机系统则凭借其强大的计算能力，在特定场景下展现出独特优势。特别是许多超算中心存在算力利用率不饱和的问题，可以将空闲算力用于大模型训练。

随着AI技术的不断发展，超级计算机的角色正在发生转变。从传统的科学计算工具，到如今的AI训练平台，HPC与AI的融合已成为不可逆转的趋势。通过AI优化，超级计算机不仅能够实现性能的提升，更能在资源调度、能耗管理等方面展现出更高的智能化水平。

然而，这一融合过程也面临着诸多挑战。例如，如何在保证计算精度的同时实现性能优化？如何构建更加完善的AI生态系统？如何平衡不同算力系统之间的关系？这些问题都需要研究人员在实践中不断探索和解决。

可以预见的是，在不久的将来，AI与HPC的深度融合将为科学研究和产业发展带来新的突破。正如郑纬民院士所言，这种融合不仅是技术发展的必然趋势，更是推动人类社会进步的重要力量。